用离散预测实现朴素贝叶斯分类器的ROC曲线

Question

我需要实现naivebayes分类器并绘制ROC曲线

1) only 2 classes(Trousers and pullovers) out of 10 classes of the [FMNIST][1] dataset and then  

2) second for all the ten classes without using scikit library and just basic matplotlib, pandas libraries from scratch. 

我已经成功地为这两种情况实现了naivebayes分类器，但是我不知道如何实现ROC曲线，因为它需要设置阈值。naivebayes分类器只是利用似然和先验来获取离散分布的后验点，特征值是RGB（0-255）值，用阈值127（每个测试样本的特征数为28*28=784）进行二值化。对于10个类，我想我需要绘制10条曲线，将其中一个类取为正，其余为负。在

我的分类器根据所有类的后验概率的最大值来预测测试样本的类。但我不明白如何确定阈值和如何绘制ROC曲线。我浏览了一些stackoverflow和其他链接，但是没有得到理解。请解释一下，因为我是机器学习的新手。在

Answer 1

有点晚了，但是。。。在

在二进制情况下，与其把预测看作是具有最大后验概率的类，不如保留后验值作为肯定的情况，并将其与阈值进行比较。在

例如，如果阈值为0.8，1和0分别表示正和负；那么如果p（Y=1 | X）>；=0.8，否则预测值为0。在